TLRD：利用三级理由蒸馏教大语言模型推理表格数据

表格数据是存储现实世界信息的主要媒介，但传统预测模型缺乏可解释性。大语言模型虽能生成解释，却难以理解表格特有的分布模式与特征交互。为此，本文提出三级理由蒸馏（TLRD）框架，利用高性能教师模型合成基于实例特征、数据集分布上下文及对比邻居证据的结构化理由语料，并将其蒸馏至学生模型。该方法使 LLM 仅凭原始特征即可实现零开销预测与 grounded 解释，显著缩小了与最先进树集成模型的性能差距，为高风险决策提供了可靠参考。